基于人工智能的产品推荐方法、装置、设备及存储介质与流程

本技术涉及人工智能，尤其涉及基于人工智能的产品推荐方法、装置、计算机设备及存储介质。

背景技术：

1、随着保险行业的快速发展，保险产品的种类也变得越来越多。面对众多的保险产品和大量不同需求的客户，如何向客户推荐最适合的保险产品，是保险公司需要一直探索的问题。

2、目前，当用户需要购买保险时，一般是通过保险销售人员根据用户的需求和工作经验，以主观判断的方式来人工判断用户更倾向交易的保险类型，并将这些保险类型对用户进行讲解并推荐。但是，通过人工判断用户需求的保险推荐方式主要以保险销售人员的主观判断为准，这较大的依赖于保险销售人员的个人经验，容易造成保险推荐的工作量较大，并导致推荐的保险产品的准确性较低。

技术实现思路

1、本技术实施例的目的在于提出一种基于人工智能的产品推荐方法、装置、计算机设备及存储介质，以解决现有的通过人工判断用户需求的保险推荐方式主要以保险销售人员的主观判断为准，这较大的依赖于保险销售人员的个人经验，容易造成保险推荐的工作量较大，并导致推荐的保险产品的准确性较低的技术问题。

2、为了解决上述技术问题，本技术实施例提供一种基于人工智能的产品推荐方法，采用了如下所述的技术方案：

3、获取用户数据；其中，所述用户数据至少包括用户的基本信息数据与历史产品购买信息；

4、基于所述用户数据构建所述用户的用户标签，并从待推荐的产品集合中获取与所述用户标签对应的第一产品；

5、获取与所述用户对应的历史询价记录，并基于所述历史询价记录确定与所述用户对应的产品偏好类型；

6、基于所述产品偏好类型从所述第一产品中筛选出第二产品；

7、获取所述第二产品的产品信息，基于预设的购买预测模型对所述产品信息与所述历史产品购买信息进行处理，生成所述用户购买所述第二产品的购买概率；

8、基于所述购买概率从所述第二产品中确定出目标产品，并将所述目标产品推送给所述用户。

9、进一步的，所述基于所述用户数据构建所述用户的用户标签的步骤，具体包括：

10、调用预设的用户分析模型；

11、将所述用户数据输入至所述用户分析模型内；

12、通过所述用户分析模型对所述用户数据进行标签匹配处理，生成与所述用户对应的用户标签。

13、进一步的，所述从待推荐的产品集合中获取与所述用户标签对应的第一产品的步骤，具体包括：

14、基于预设的信息类型，从所述用户标签中获取与所述信息类型对应的目标标签；

15、基于所述目标标签确定与所述用户对应的客户群体类型；

16、从所述待推荐的产品集合中查询出与所述客户群体类型匹配的产品，得到所述第一产品。

17、进一步的，所述基于所述历史询价记录确定与所述用户对应的产品偏好类型的步骤，具体包括：

18、获取与所述历史询价记录对应的用户评价信息；

19、从所述用户评价信息中筛选出与产品描述相关的评价内容；

20、基于预设的分析规则对所述评价内容进行分析，确定出与所述用户对应的产品偏好类型。

21、进一步的，在所述基于预设的购买预测模型对所述产品信息与所述历史产品购买信息进行处理，生成所述用户购买所述第二产品的购买概率的步骤之前，具体包括：

22、获取目标客户的产品购买信息，以及获取预设产品的指定产品信息；

23、基于所述产品购买信息与所述指定产品信息构建样本数据集；

24、基于预设比例从所述样本数据集中确定出训练数据集与测试数据集；

25、使用所述训练数据集对预设的分类模型进行训练，得到初始购买预测模型；

26、使用所述测试集对所述初始购买预测模型进行验证，若得到的分类准确率大于预设的准确率阈值，则训练结束，并将所述初始购买预测模型作为所述购买预测模型。

27、进一步的，所述基于所述购买概率从所述第二产品中确定出目标产品的步骤，具体包括：

28、从所述用户标签中获取所述用户的收入信息与家庭状态信息；

29、基于所述收入信息与家庭状态信息生成所述用户的购买额度阈值；

30、从所述第二产品中筛选出小于所述购买额度阈值的第三产品；

31、将所述第三产品作为所述目标产品。

32、进一步的，所述基于所述购买概率从所述第二产品中确定出目标产品的步骤，具体包括：

33、按照所述购买概率从大到小的顺序对所述第二产品进行排序，得到的对应的排序结果；

34、确定目标数量；

35、在所述排序结果中获取由前至后的目标数量的第四保险；

36、将所述第四保险作为所述目标保险。

37、为了解决上述技术问题，本技术实施例还提供一种基于人工智能的产品推荐装置，采用了如下所述的技术方案：

38、第一获取模块，用于获取用户数据；其中，所述用户数据至少包括用户的基本信息数据与历史产品购买信息；

39、第一构建模块，用于基于所述用户数据构建所述用户的用户标签，并从待推荐的产品集合中获取与所述用户标签对应的第一产品；

40、第一确定模块，用于获取与所述用户对应的历史询价记录，并基于所述历史询价记录确定与所述用户对应的产品偏好类型；

41、筛选模块，用于基于所述产品偏好类型从所述第一产品中筛选出第二产品；

42、处理模块，用于获取所述第二产品的产品信息，基于预设的购买预测模型对所述产品信息与所述历史产品购买信息进行处理，生成所述用户购买所述第二产品的购买概率；

43、第二确定模块，用于基于所述购买概率从所述第二产品中确定出目标产品，并将所述目标产品推送给所述用户。

44、为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：

45、获取用户数据；其中，所述用户数据至少包括用户的基本信息数据与历史产品购买信息；

46、基于所述用户数据构建所述用户的用户标签，并从待推荐的产品集合中获取与所述用户标签对应的第一产品；

47、获取与所述用户对应的历史询价记录，并基于所述历史询价记录确定与所述用户对应的产品偏好类型；

48、基于所述产品偏好类型从所述第一产品中筛选出第二产品；

49、获取所述第二产品的产品信息，基于预设的购买预测模型对所述产品信息与所述历史产品购买信息进行处理，生成所述用户购买所述第二产品的购买概率；

50、基于所述购买概率从所述第二产品中确定出目标产品，并将所述目标产品推送给所述用户。

51、为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

52、获取用户数据；其中，所述用户数据至少包括用户的基本信息数据与历史产品购买信息；

53、基于所述用户数据构建所述用户的用户标签，并从待推荐的产品集合中获取与所述用户标签对应的第一产品；

54、获取与所述用户对应的历史询价记录，并基于所述历史询价记录确定与所述用户对应的产品偏好类型；

55、基于所述产品偏好类型从所述第一产品中筛选出第二产品；

56、获取所述第二产品的产品信息，基于预设的购买预测模型对所述产品信息与所述历史产品购买信息进行处理，生成所述用户购买所述第二产品的购买概率；

57、基于所述购买概率从所述第二产品中确定出目标产品，并将所述目标产品推送给所述用户。

58、与现有技术相比，本技术实施例主要有以下有益效果：

59、本技术实施例首先获取用户数据；然后基于所述用户数据构建所述用户的用户标签，并从待推荐的产品集合中获取与所述用户标签对应的第一产品；之后获取与所述用户对应的历史询价记录，并基于所述历史询价记录确定与所述用户对应的产品偏好类型；后续基于所述产品偏好类型从所述第一产品中筛选出第二产品；进一步获取所述第二产品的产品信息，基于预设的购买预测模型对所述产品信息与所述历史产品购买信息进行处理，生成所述用户购买所述第二产品的购买概率；最后基于所述购买概率从所述第二产品中确定出目标产品，并将所述目标产品推送给所述用户。本技术实施例通过分析用户的用户数据以及历史询价记录来进行对于待推荐的产品集合的初步筛选，进而基于购买预测模型的使用来对初步筛选后的产品进行进一步筛选，从而可以实现自动准确地生成符合用户的购买倾向的目标产品并进行推送，相较于人工推荐的方式，能够有效提高产品的推荐准确度，且这种自动处理方式也能够降低保险推荐人员的工作量，有助于提高保险推荐人员的工作效率。